一、实际应用场景描述在中小家族企业或个体工商户中人情往来账目红包、礼金、吃请、回礼、借款等普遍存在- 记录方式手写账本 / 微信聊天 / Excel 随心记- 描述随意- “老王结婚随礼2000”- “李姐住院探望500”- “过年给侄子压岁钱1000”- 财务处理困难- 无法对接智能财务系统- 无法生成合规凭证- 月底/年底无法统计真实经营成本 目标将非结构化“人情流水”自动转换为智能财务标准科目并计算规整偏差率便于审计与决策。二、引入痛点Why this tool痛点 影响非标准科目 智能财务系统无法识别语义模糊 AI 分类准确率低金额混杂 经营支出 vs 个人支出难区分无偏差评估 无法衡量“人工 vs 自动”差异缺乏可复现性 每次整理都靠财务主观判断✅ 本项目解决的核心问题“非正规人情账 → 标准会计科目 偏差量化”三、核心逻辑讲解技术架构1️⃣ 总体流程原始人情流水↓文本清洗 关键词提取↓规则 ML 混合分类器↓映射为智能财务标准科目↓计算规整偏差率↓输出标准化报表2️⃣ 核心算法思路1规则层Rule-based- 关键词匹配- 正则金额提取- 强规则兜底如“结婚”“丧事”2机器学习层ML- TF-IDF LogisticRegression- 用于模糊语义如“请客吃饭”“走动”3偏差率计算规整偏差率 (自动分类结果与人工修正不一致条数) / 总条数四、代码模块化实现Python 项目结构family_accounting/│├── main.py # 程序入口├── config.py # 标准科目配置├── parser.py # 文本解析├── classifier.py # 分类器├── evaluator.py # 偏差率计算├── data/│ └── sample.csv # 示例流水└── README.md1️⃣ config.py标准科目映射# config.pySTANDARD_ACCOUNTS {业务招待费: [请客, 吃饭, 招待, 饭局],职工福利费: [过节, 慰问, 员工, 福利],捐赠支出: [捐款, 赞助, 慈善],差旅费: [出差, 路费, 车票],其他应收款: [借钱, 借款, 垫付],个人消费: [压岁钱, 红包, 亲戚]}2️⃣ parser.py文本解析# parser.pyimport redef parse_record(text: str):从非结构化文本中提取金额和描述amount_pattern r(\d(\.\d)?)amounts re.findall(amount_pattern, text)return {raw_text: text,amount: float(amounts[0][0]) if amounts else 0.0,description: text}3️⃣ classifier.py规则 ML# classifier.pyfrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.linear_model import LogisticRegressionimport joblibimport osclass Classifier:def __init__(self):self.vectorizer TfidfVectorizer()self.model LogisticRegression()def train(self, texts, labels):X self.vectorizer.fit_transform(texts)self.model.fit(X, labels)def predict(self, text):X self.vectorizer.transform([text])return self.model.predict(X)[0]4️⃣ evaluator.py偏差率# evaluator.pydef calculate_bias(auto_labels, manual_labels):计算规整偏差率total len(auto_labels)diff sum(1 for a, m in zip(auto_labels, manual_labels) if a ! m)return round(diff / total, 4) if total 0 else 0.05️⃣ main.py主流程# main.pyimport pandas as pdfrom parser import parse_recordfrom classifier import Classifierfrom evaluator import calculate_biasfrom config import STANDARD_ACCOUNTSdef rule_match(desc):for account, keywords in STANDARD_ACCOUNTS.items():if any(k in desc for k in keywords):return accountreturn 其他def main():df pd.read_csv(data/sample.csv)clf Classifier()texts df[description].tolist()labels [rule_match(t) for t in texts]clf.train(texts, labels)results []auto_labels []for _, row in df.iterrows():parsed parse_record(row[description])pred clf.predict(parsed[description])auto_labels.append(pred)results.append({raw: parsed[raw_text],amount: parsed[amount],auto_account: pred})bias calculate_bias(auto_labels, labels)print(规整偏差率, bias)if __name__ __main__:main()五、README.md使用说明# 家族企业人情账标准化转换工具## 功能- 将非正规人情往来流水- 自动映射为智能财务标准科目- 计算规整偏差率## 使用方法1. 准备 CSV 数据csvdescription老王结婚随礼2000请客户吃饭8002. 运行程序bashpython main.py3. 查看输出与偏差率六、核心知识点卡片速记版模块 核心技术文本解析 正则表达式分类模型 TF-IDF LogisticRegression规则兜底 关键词映射偏差评估 准确率 / 偏差率工程化 模块化设计七、总结技术 业务双视角✅ 从技术角度这是一个典型的NLP 规则系统 财务领域建模适合作为智能会计课程的“轻量级 AI 财务落地案例”。✅ 从业务角度解决了家族企业长期存在的“人情账算不清、财务不敢认、老板不敢看”的问题为数字化升级提供数据基础。如果你愿意可以- ✅ 给你课程答辩 PPT 大纲- ✅ 改成大模型LLM Prompt 版本- ✅ 增加可视化报表ECharts / Matplotlib利用AI解决实际问题如果你觉得这个工具好用欢迎关注长安牧笛